OpenCV 擴張
本文將解釋像侵蝕和擴張這樣的形態變換概念，我們使用它們在 OpenCV 中的影象中從給定物件的邊界新增和刪除畫素。
在 OpenCV 中使用侵蝕和擴張對影象應用形態變換
形態變換是在二值影象上執行的基於影象的操作。它需要兩個輸入，一個是原始影象，第二個是核心。
核心決定操作的性質。兩個基本的形態學運算元是侵蝕和擴張，我們也有它的一些變體，例如開閉等。
讓我們通過一個例子來理解侵蝕和擴張。
侵蝕就像土壤侵蝕一樣；它侵蝕了前景物體的邊界。考慮這張 L 的影象，其中白色部分是數字 1，從 OpenCV 標準的角度來看，它也可以視為數字 255。
侵蝕會移除給定影象中物件邊界處的畫素。在影象中移除該物件 L 的邊界後，在應用侵蝕後它會變薄。
從技術上講，核心在影象中滑動，就像在 2D 卷積中一樣。原始影象中的一個畫素，無論是 1 還是 0，只有在核心下的所有畫素都為 1 時才會被認為是 1；否則，它會被侵蝕或歸零，因此根據核心的大小丟棄邊界。
擴張與侵蝕相反；它將畫素新增到給定影象中物件的邊界。我們可以看到影象中 L 或物體 L 的邊界在膨脹後變得更厚。
從技術上講，如果核心下至少有一個畫素為 1，則一個畫素元素為 1，其結果將增加影象中的白色區域或前景物件的大小。
因此，如果你有一張想要去除噪聲的影象，你可以先應用侵蝕操作，然後再進行膨脹，因為侵蝕會去除白噪聲，但也會縮小我們的物件；這就是我們進行膨脹的原因，從而保留原始影象。它也可用於連線物件的破損部分。
形態變換有開、關等變化；開啟是一個我們先應用侵蝕然後再膨脹的過程。關閉正好相反，我們應用膨脹然後侵蝕。
讓我們使用 OpenCV 實現幾個操作。我們需要匯入所需的庫。
在這一行中，我們使用 imread() 函式讀取我們的影象，並將影象的路徑作為引數提供，並將其儲存在名為 imagedata_original 的變數中。
imagedata_original = cv2.imread("input.png")
在這段程式碼中，我們使用 numpy``ones() 函式定義 5x5 畫素的核心，核心的資料型別是無符號 int。
kernel = np.ones((5, 5), np.uint8)
我們使用 erode() 函式在下一行應用侵蝕。它需要幾個引數，如原始影象、核心和迭代。
iterations 建議你要執行侵蝕過程的次數。如果你增加這個數字，你正在增加侵蝕的影響。
erosion_op = cv2.erode(imagedata_original, kernel, iterations=1)
我們將使用 dilate() 函式將膨脹應用於影象物件。引數類似於 erode() 函式中定義的引數。
dilation_op = cv2.dilate(imagedata_original, kernel, iterations=1)
現在我們將使用 morphologyEx() 函式來應用開運算。這個函式接受像輸入影象 MORPH_OPEN 這樣的引數，它表示要應用的開啟操作，以及我們上面定義的核心。
opening_op = cv2.morphologyEx(imagedata_original, cv2.MORPH_OPEN, kernel)
我們給出下一條指令，將關閉操作應用於 morphologyEx() 函式。
closing_op = cv2.morphologyEx(imagedata_original, cv2.MORPH_CLOSE, kernel)
完整的原始碼：
import cv2
import numpy as np
import matplotlib.pyplot as plot
FIG = plot.figure(figsize=(6, 5))
imagedata_original = cv2.imread("input.png")
FIG.add_subplot(2, 3, 1)
plot.imshow(imagedata_original)
plot.axis("off")
plot.title("original imagge")
kernel = np.ones((5, 5), np.uint8)
erosion_op = cv2.erode(imagedata_original, kernel, iterations=1)
FIG.add_subplot(2, 3, 2)
plot.imshow(erosion_op)
plot.axis("off")
plot.title("Erossion operatiopn")
dilation_op = cv2.dilate(imagedata_original, kernel, iterations=1)
FIG.add_subplot(2, 3, 3)
plot.imshow(dilation_op)
plot.axis("off")
plot.title("Dilation operatiopn")
opening_op = cv2.morphologyEx(imagedata_original, cv2.MORPH_OPEN, kernel)
FIG.add_subplot(2, 3, 4)
plot.imshow(opening_op)
plot.axis("off")
plot.title("Opening operatiopn")
closing_op = cv2.morphologyEx(imagedata_original, cv2.MORPH_CLOSE, kernel)
FIG.add_subplot(2, 3, 5)
plot.imshow(closing_op)
plot.axis("off")
plot.title("Clossing operatiopn")
plot.tight_layout()
plot.show()
讓我們使用 matplotlib 在影象中執行並檢視具有不同操作的不同輸出。
大多數人可能會感到困惑，為什麼當從邊界移除畫素時，侵蝕影象中的文字顯得很粗？為什麼膨脹影象的文字在向物件的邊界新增畫素時顯得很薄。
這是因為 OpenCV 將白色部分視為物件本身，而不是將黑色文字視為影象中的物件。因此，當我們應用侵蝕操作時，它會從黑色邊界中移除白色畫素，這就是黑色文字邊界變粗的原因。
膨脹操作將白色畫素新增到黑色文字的邊界；這就是黑色文字變薄的原因。
Hello! I am Salman Bin Mehmood(Baum), a software developer and I help organizations, address complex problems. My expertise lies within back-end, data science and machine learning. I am a lifelong learner, currently working on metaverse, and enrolled in a course building an AI application with python. I love solving problems and developing bug-free software for people. I write content related to python and hot Technologies.
LinkedIn